Columbia University（哥伦比亚大学）

Deform360: A Massive Multi-view Visuotactile Dataset for Deformable World Models

Deform360：面向可变形世界模型的大规模多视图视觉触觉数据集

Hongyu Li, Wanjia Fu, Xiaoyan Cong, Zekun Li, Binghao Huang, Hanxiao Jiang, Xintong He, Yiqing Liang, Rao Fu, Tao Lu, Srinath Sridhar, Kevin A. Smith, George Konidaris, Yunzhu Li

机构 * Brown University（布朗大学） ； Columbia University（哥伦比亚大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

AI总结 针对可变形物体世界建模缺乏大规模真实数据的问题，构建含多视图视觉与触觉信息的Deform360数据集，评估现有主流世界模型，为相关研究提供基准。

Comments Accepted by ECCV 2026

Open Problems in AI Incident Governance

AI事件治理中的开放问题

Harleen Kaur Sidhu, Rebecca Scholefield, Nour Annan, Kevin Hernandez, Isabel Nieh Hou, Abdulrahman Alshaikhi, Ze Shen Chin, Rokas Gipiškis

机构 * Independent（独立） ； Sorbonne University（索邦大学） ； Rice University（里奇大学） ； Columbia University（哥伦比亚大学） ； AI Standards Lab（人工智能标准实验室） ； Vilnius University（维尔纽斯大学） 纠错

AI总结 针对部署后AI系统的未预期故障，该研究梳理现有AI事件治理框架，发现其在定义、分类等方面缺乏一致性，为后续相关规范完善提供参考。

Comments Accepted to ICML Technical AI Governance Research workshop 2026

Retroactive Chain-of-Thought (RetroCoT): Forensic Reconstruction Prompts as a Safety Diagnostic Across Model Generations

追溯性思维链（RetroCoT）：作为跨模型代际安全诊断的法证重建提示

Samira Hajizadeh

机构 * Columbia University（哥伦比亚大学） 纠错

AI总结 研究发现大语言模型安全对齐受语用寄存器影响，介绍追溯性思维链攻击RetroCoT将有害请求重构为法证重建任务，在AdvBench测试中取得一定成功率，还发现模型代际差异及新语用寄存器对模型安全对齐的影响。

Contaminated Multi-task Learning with Heterogeneity: Fundamental Limits and Optimal Algorithms

具有异质性的受污染多任务学习：基本极限与最优算法

Ye Tian, Mengchu Li, Marco Avella Medina

机构 * Department of Statistics, Pennsylvania State University（宾夕法尼亚州立大学统计学系） ； School of Mathematics, University of Birmingham（伯明翰大学数学学院） ； Department of Statistics, Columbia University（哥伦比亚大学统计学系） 纠错

AI总结 研究受污染多任务经验风险最小化框架，高斯均值模型中常见范式有次优污染误差，建立一般异质ERM设置的极小极大下界，提出高效滤波鲁棒多任务梯度下降法，模拟和实数据分析显示其强鲁棒性和个性化。

Comments 91 pages, 1 figure, 10 tables

ART for Diffusion Sampling: Continuous-Time Control and Actor-Critic Learning

ART 用于扩散采样：连续时间控制与 Actor-Critic 学习

Yilie Huang, Wenpin Tang, Xun Yu Zhou

机构 * Department of Applied Mathematics, The Hong Kong Polytechnic University（香港理工大学应用数学系） ； Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运筹学系） ； Data Science Institute, Columbia University（哥伦比亚大学数据科学研究所） 纠错

AI总结 提出自适应重参数化时间 (ART) 方法，将扩散采样的时间步分配建模为连续时间控制问题，并通过强化学习求解，以自适应学习采样时间表，提升样本质量。

Comments 36 pages, 14 figures, 8 tables